【笔记】矩阵

最新推荐文章于 2024-09-02 23:59:23 发布

测试运算符

最新推荐文章于 2024-09-02 23:59:23 发布

阅读量1.6k

点赞数 2

分类专栏： --------------数学-------------- 学习笔记文章标签：矩阵

本文链接：https://blog.csdn.net/qq_40515553/article/details/79521034

版权

--------------数学-------------- 同时被 2 个专栏收录

24 篇文章 0 订阅

订阅专栏

学习笔记

15 篇文章 0 订阅

订阅专栏

矩阵时一个神奇的东西，第一次见到时是在求斐波那契数列的时候，那时觉得矩阵好神奇，但至于原理什么的一概不懂

基本概念

蒟蒻不懂，形似于

S = ⎡ ⎣ ⎢ ⎢ ⎢ ⎢ a 11 a 21 ⋮ a n 1 a 12 a 22 ⋮ a n 2 \dots \dots ⋱ \dots a 1 m a 2 m ⋮ a n m ⎤ ⎦ ⎥ ⎥ ⎥ ⎥

$S= \left[ \begin{matrix} a_{11} & a_{12} &\cdots\ & a_{1m} \\ a_{21} & a_{22} & \cdots\ & a_{2m} \\ \vdots & \vdots & \ddots & \vdots \\ a_{n1} & a_{n2} & \cdots\ & a_{nm} \end{matrix} \right]$
的东东就是一个

n n $n$ 行

m

$m$ 列的矩阵

基本运算

方便模拟，先设两个矩阵 $A,B,C$ ，其中 $C$ 为运算结果矩阵

A = [\begin{matrix} a_{11} & a_{12} & \dots & a_{1 m} \\ a_{21} & a_{22} & \dots & a_{2 m} \\ ⋮ & ⋮ & ⋱ & ⋮ \\ a_{n 1} & a_{n 2} & \dots & a_{n m} \end{matrix}]

$A= \left[ \begin{matrix} a_{11} & a_{12} &\cdots\ & a_{1m} \\ a_{21} & a_{22} & \cdots\ & a_{2m} \\ \vdots & \vdots & \ddots & \vdots \\ a_{n1} & a_{n2} & \cdots\ & a_{nm} \end{matrix} \right]$

B = ⎡ ⎣ ⎢ ⎢ ⎢ ⎢ b 11 b 21 ⋮ b n 1 b 12 b 22 ⋮ b n 2 \dots \dots ⋱ \dots b 1 m b 2 m ⋮ b n m ⎤ ⎦ ⎥ ⎥ ⎥ ⎥

$B= \left[ \begin{matrix} b_{11} & b_{12} &\cdots\ & b_{1m} \\ b_{21} & b_{22} & \cdots\ & b_{2m} \\ \vdots & \vdots & \ddots & \vdots \\ b_{n1} & b_{n2} & \cdots\ & b_{nm} \end{matrix} \right]$

【加减法】两个矩阵的对应元素直接加减

对于矩阵 $C$ 中的元素 $c_{ij}=a_{ij}±b_{ij}$

【数乘】一个数与一个矩阵相乘

对于矩阵 $C$ 中的元素 $c_{ij}=a_{ij}*mul$

【矩乘】两个矩阵相乘

对于矩阵 $C$ 中的元素 $c_{ij}=\sum _{k=1}^ma_{ik}*b_{kj}$

行列式计算

首先，仅有行数等于列数的矩阵存在行列式
对于一个矩阵（取楼上的 $S$ 矩阵），其行列式计算公式为：

a n s = \sum (- 1)^{t} \prod_{i = 1}^{n} a_{i, b [j]}

$ans=\sum (-1)^t \prod _{i=1}^n a_{i,b[j]}$
其中，

b[] b [ ] $b[]$ 为

[1,n] [ 1 , n ] $[1,n]$ 的一个全排列，

t t $t$ 为该全排列的逆序对数

在程序中，由于暴力计算一个 $n$ 阶行列式的时间复杂度为 $O(n!n\log_2 n)$ ，所以一般不采用直接求行列式的方式，而是采用一些奇异的性质（节选自《工程数学-线性代数》第六版，同济大学数学系编）

性质1

对换行列式的两行（列），行列式变号
证明：由于所有的加和项绝对值不变，符号由于两行对换，逆序对数奇偶性变换，则整个行列式变号

性质2

如果行列式的任意两行（列）完全成比例，则该行列式为 $0$
证明：对换这两行（列），按照性质1，行列式变号，但实际上行列式不变（若比例不为 $1$ ，可以将比例系数提到行列式外），则该行列式只能为 $0$

性质3

如果将行列式的一行（列）a的元素乘上一个系数k再加到另一行（列）b上，行列式不变
证明：首先，这个答案行列式等于原行列式加上矩阵B
矩阵B为原行列式，并设行（列）b为a乘上系数k，可由性质2得知行列式B为 $0$ ，得证

性质4

如果行列式中所有元素 $a_{ij},i>j$ 都为 $0$ ，则称该行列式为上三角行列式
一个上三角行列式等于 $\prod _{i=1}^na_{i,i}$

其中最有用的的性质莫过于性质3和4了，利用这两点便可以将一个任意行列式通过性质3转化成一个上三角行列式，便可以简便地计算出一个任意行列式的值了

其中通过性质三的转化类似于高斯消元，其时间复杂度为 $O(n^3)$ ，求上三角行列式的时间复杂度为 $O(n)$ ，总复杂度为：时间 $O(n^3)$ ，空间 $O(n^2)$

矩阵的用途

1 优化Dp

例题

Problem

求给定数列
$f(n)=a*f(n-1)+b*f(n-2)+\cdots\$
中的第k项, $k \leq 1e9$

Solution

使用矩阵加速

例如对于一个数列
$f(n)=a*f(n-1)+b*f(n-2)$

答案为

[f 1 f 2] * ⎡ ⎣ ⎢ ⎢ a 10 b 01 ⎤ ⎦ ⎥ ⎥ k - 1

$\left[\begin{matrix} f_1 \\ f_2 \end{matrix} \right]* \left[ \begin{matrix} a & b \\ 1 & 0 \\ 0 & 1 \end{matrix} \right]^{k-1}$

2 模拟Dp

例题

SDOI-2009-HH去散步

对边用上邻接矩阵，并对邻接矩阵进行快速幂

3 高斯消元

一般是先列出形似于下面的式子，化成矩阵，再用高斯消元求解

{\sum a i * x i = s i}

$\{\sum a_i*x_i=s_i\}$

\Rightarrow ⎡ ⎣ ⎢ ⎢ ⎢ ⎢ a 11 a 21 ⋮ a n 1 a 12 a 22 ⋮ a n 2 \dots \dots ⋱ \dots a 1 m a 2 m ⋮ a n m s 1 s 2 ⋮ s n ⎤ ⎦ ⎥ ⎥ ⎥ ⎥

$\Rightarrow \left[ \begin{matrix} a_{11} & a_{12} &\cdots\ & a_{1m} & s_1\\ a_{21} & a_{22} & \cdots\ & a_{2m} & s_2\\ \vdots & \vdots & \ddots & \vdots & \vdots \\ a_{n1} & a_{n2} & \cdots\ & a_{nm} & s_n \end{matrix} \right]$

具体就是按照简化行列式的思想将其转化为如下矩阵：

⎡ ⎣ ⎢ ⎢ ⎢ ⎢ 10 ⋮ 0 01 ⋮ 0 \dots \dots ⋱ \dots 00 ⋮ 1 a n s 1 a n s 2 ⋮ a n s n ⎤ ⎦ ⎥ ⎥ ⎥ ⎥

$\left[ \begin{matrix} 1 & 0 &\cdots\ & 0 & ans_1\\ 0 & 1 & \cdots\ & 0 & ans_2\\ \vdots & \vdots & \ddots & \vdots & \vdots \\ 0 & 0 & \cdots\ & 1 & ans_n \end{matrix} \right]$

最后的ans数组即为答案

矩阵是一个很神奇的东西，蒟蒻不会用，所以只总结出会的一点点东西，以后还有新学习的再加